Intelligenza artificiale per medici, senza far uscire i dati dallo studio
Un'intelligenza artificiale per medici e poliambulatori che legge referti, lettere di dimissione e cartelle, prepara sintesi e bozze di referto, e gira su un server dentro la struttura. Il medico rivede e firma: l'AI scrive la bozza, non decide.
Cosa fa l'intelligenza artificiale per medici (e cosa no)
In uno studio medico o in un poliambulatorio buona parte del tempo va nella documentazione: rileggere la storia di un paziente prima della visita, ritrovare il valore di un esame di due anni fa, scrivere un referto o una lettera che riprende dieci documenti precedenti. È lavoro di lettura e scrittura, ed è quello in cui un modello linguistico aiuta davvero.
Quello che costruisco è un assistente di documentazione: cerca nei documenti di un singolo paziente, ne fa una sintesi con i riferimenti alle fonti e prepara una bozza nel formato che usa lo studio. Non fa diagnosi, non suggerisce terapie, non sostituisce il giudizio clinico. Ogni testo che produce è una bozza che il medico legge, corregge e firma.
La differenza rispetto a usare ChatGPT o un altro chatbot online è dove finiscono i dati. Qui il modello, l'indice dei documenti e i log stanno su hardware della struttura: nessun referto viene inviato a un servizio esterno.
AI per medici: dove fa risparmiare tempo
Sintesi della cartella prima della visita
Una pagina con anamnesi, esami rilevanti, terapie in corso e ultimi accessi, ricavata dai documenti del paziente. Ogni affermazione rimanda al documento da cui viene, così il medico verifica in un clic.
Bozze di referto
Il medico detta o scrive i punti chiave, l'AI li mette nel formato del referto dello studio riprendendo i dati già presenti in cartella. L'intelligenza artificiale per referti medici lavora sulla forma e sul recupero dei dati, non sulle conclusioni.
Lettere e relazioni
Lettere al medico curante, relazioni per un collega, riepiloghi per il paziente. Testi lunghi che riprendono molti documenti e che oggi si scrivono copiando e incollando.
Ricerca nell'archivio del paziente
Domande in linguaggio naturale ("quando è stata l'ultima ecografia?", "che valori di creatinina negli ultimi tre anni?") sui documenti di un solo paziente, con la risposta e il documento sorgente.
Dati sanitari e GDPR: perché l'AI resta in locale
I dati relativi alla salute sono una categoria particolare di dati personali (art. 9 del GDPR): trattarli è possibile per finalità di cura, da parte di professionisti tenuti al segreto, ma con garanzie più strette. Mandare referti a un servizio cloud generico significa aggiungere un fornitore, un trasferimento e spesso un paese extra-UE da giustificare.
La scelta più semplice da difendere è non farli uscire: un modello che gira su un server nello studio o nel CED della struttura, senza chiamate verso l'esterno. Restano in locale i documenti, l'indice di ricerca, le bozze generate e il registro degli accessi.
In locale non vuol dire automaticamente conforme. Servono comunque accessi nominativi, minimizzazione, informativa aggiornata e, con dati sanitari e una tecnologia nuova, una valutazione d'impatto (DPIA, art. 35 GDPR) da fare con il DPO della struttura. Il mio lavoro è progettare il sistema in modo che queste garanzie siano tecniche e verificabili, non solo scritte su un documento.
Dal documento alla bozza firmata, in quattro passaggi
Pseudonimizzazione, dove possibile
Nome, codice fiscale e recapiti vengono sostituiti da un codice nell'indice di ricerca; la tabella di corrispondenza sta separata, con accessi più ristretti. Il testo libero dei referti può contenere dati identificativi che sfuggono: per questo è una misura in più, non l'unica.
Ricerca per singolo paziente, con accessi separati
Ogni ricerca è limitata ai documenti di un paziente, e il filtro è applicato dal sistema, non chiesto al modello. Ogni utente vede solo i pazienti e le funzioni previste dal suo ruolo.
Sintesi e bozza, sempre riviste dal medico
Il modello lavora solo sui documenti recuperati e cita le fonti. La bozza resta una bozza finché il medico non la rivede, la corregge e la approva: nessun testo esce dal sistema senza quel passaggio.
Registro degli accessi
Chi ha cercato cosa, su quale paziente, quale bozza è stata generata e chi l'ha approvata. Un log consultabile in caso di verifica, conservato anche lui in locale.
Modello in locale, RAG e hardware
Per un archivio di 5-50 GB tra referti, lettere di dimissione e cartelle (PDF nativi, scansioni da passare in OCR, documenti Word) il lavoro vero è a monte del modello: estrarre il testo, dividerlo in parti sensate, associarlo al paziente giusto e indicizzarlo. Se questa parte è fatta male, nessun modello rimedia.
Sopra l'indice uso un modello linguistico open-weight da 70-120 miliardi di parametri. In questo caso la qualità del testo conta più della velocità: un modello di quella taglia scrive in un italiano clinico più corretto e sbaglia meno nel riprendere numeri e date rispetto ai modelli piccoli che girano su un portatile. Il prezzo è il tempo: una sintesi lunga richiede decine di secondi, non un istante.
Un modello di questa taglia, quantizzato, gira su una workstation con una o due GPU professionali di fascia alta o su una macchina con molta memoria unificata. La configurazione esatta dipende da quanti medici lo usano in contemporanea, e la definiamo dopo aver visto i documenti.
RAG o fine-tuning?
Per far "conoscere" al sistema i documenti dei pazienti si usa il RAG (retrieval-augmented generation): a ogni richiesta il sistema recupera i passaggi pertinenti e li passa al modello, che risponde solo su quella base. I documenti nuovi sono disponibili appena indicizzati, e cancellare un documento lo toglie davvero dalle risposte. Il fine-tuning, cioè riaddestrare il modello, non serve a fargli imparare le cartelle (e i dati finirebbero dentro i pesi del modello, dove non si possono più controllare): serve solo per lo stile, il formato dei referti dello studio e compiti di classificazione.
Chatbot online o AI in locale?
| Chatbot online generico | AI in locale nello studio | |
|---|---|---|
| Dove vanno i documenti | Sui server del fornitore | Restano su hardware della struttura |
| Ricerca per paziente | Copia e incolla manuale | Indice per paziente con accessi separati |
| Fonti citate | Di solito no | Ogni sintesi rimanda ai documenti |
| Registro degli accessi | Non sotto il tuo controllo | Locale e consultabile |
| Formato dei referti | Da reimpostare ogni volta | Quello dello studio |
| Costo | Abbonamento per utente | Hardware e progetto iniziali, poi manutenzione |
Dispositivo medico, AI Act e responsabilità del medico
Un software è un dispositivo medico (Regolamento UE 2017/745, MDR) quando il produttore gli attribuisce una finalità medica, per esempio diagnosi o supporto alle decisioni terapeutiche. Lo strumento che descrivo qui ha una finalità diversa: documentazione, ricerca e bozze di testo riviste dal medico. Non è un dispositivo medico e non va usato come tale. Se un giorno l'uso previsto cambiasse verso il supporto alla diagnosi, cambierebbe anche la qualificazione e servirebbe un percorso regolatorio dedicato.
L'AI Act europeo (Regolamento UE 2024/1689) classifica i sistemi in base all'uso previsto: i sistemi che sono componenti di sicurezza di dispositivi medici rientrano tra quelli ad alto rischio. Un assistente di documentazione è un caso diverso, ma la classificazione va valutata caso per caso, insieme al DPO e al consulente legale della struttura. Restano comunque obblighi generali, come la formazione di chi usa il sistema.
Anche la legge italiana sull'intelligenza artificiale (L. 132/2025) ribadisce il principio: in sanità l'AI è un supporto e la decisione resta al medico. È lo stesso principio su cui è costruito il flusso: nessuna bozza diventa un documento senza la revisione di chi la firma.
Prima un prototipo su un campione, poi la struttura intera
Call conoscitiva gratuita (30 minuti)
Mi racconti come lavora lo studio, che documenti avete e dove si perde tempo. Valutiamo insieme se il progetto ha senso e come impostarlo.
Prototipo su un campione
Un sottoinsieme di documenti, pseudonimizzati, su una macchina in locale. Serve a vedere la qualità delle sintesi sui vostri referti reali, non su una demo. Se non convince, il progetto si chiude qui con un investimento contenuto.
Messa in produzione
Hardware definitivo, indicizzazione dell'archivio, utenti e ruoli, registro degli accessi, formazione dei medici e manutenzione.
Quanto costa
Non ho un listino: il costo dipende soprattutto dall'hardware (che resta della struttura) e dallo stato dei documenti, per esempio quanti sono scansioni da passare in OCR. Perimetro e costo del prototipo ti sono chiari prima di iniziare.
Stefano Salvucci
Ingegnere iscritto all'Albo degli Ingegneri di Roma, 12+ anni tra sviluppo, architettura e automazione, co-fondatore di BusinessinCloud e YTILI Fellow 2019. Lavoro come fractional CTO: progetto il sistema, lo costruisco e resto il riferimento tecnico. Sulla parte legale e privacy lavoro insieme al DPO della struttura, non al suo posto.
Le domande che fanno medici e direttori sanitari
Qual è la migliore intelligenza artificiale per medici?
Dipende dal compito. Per scrivere e sintetizzare documenti clinici con dati di pazienti reali, la migliore è quella che puoi usare senza inviare i dati a terzi: un modello open-weight grande (70-120 miliardi di parametri) installato in locale, collegato all'archivio dello studio con il RAG. Un chatbot online può andare bene per domande generali senza dati dei pazienti.
Posso usare ChatGPT con i referti dei pazienti?
Incollare referti identificabili in un chatbot online significa trasferire dati sanitari (art. 9 GDPR) a un fornitore esterno, con tutto quello che ne consegue in termini di basi giuridiche, contratti e trasferimenti. Per l'uso quotidiano su dati reali è più semplice e più difendibile un sistema in locale.
L'AI fa diagnosi?
No. Il sistema prepara sintesi e bozze di testo a partire dai documenti esistenti, con le fonti citate. La valutazione clinica, la diagnosi e la firma restano del medico. Non è un dispositivo medico e non va usato come supporto alla diagnosi.
I dati escono dallo studio?
No. Modello, indice dei documenti, bozze e registro degli accessi stanno su hardware della struttura e il sistema non fa chiamate verso servizi esterni per elaborare i documenti. Aggiornamenti e assistenza si concordano in modo che non richiedano di portare fuori i dati.
Che cos'è un'AI in locale e che hardware serve?
È un modello linguistico che gira su un computer della struttura invece che nel cloud di un fornitore. Per un modello da 70-120 miliardi di parametri, quantizzato, serve una workstation con una o due GPU professionali di fascia alta o una macchina con molta memoria unificata. La configurazione si sceglie in base al numero di utenti contemporanei.
Perché un modello così grande se è più lento?
Perché su testi clinici gli errori costano più dei secondi. I modelli grandi scrivono un italiano più preciso e riportano meglio numeri, date e terapie. Una sintesi in qualche decina di secondi è accettabile se poi il medico deve correggere meno.
Serve addestrare il modello sulle nostre cartelle?
No. Per far lavorare il modello sui vostri documenti si usa il RAG: il sistema recupera i passaggi pertinenti e il modello risponde su quelli. Il fine-tuning serve solo per adattare stile e formato dei referti o per compiti di classificazione, e si può fare anche senza dati identificativi.
Funziona anche per un poliambulatorio con più medici?
Sì, ed è il caso in cui gli accessi separati contano di più: ogni medico vede i propri pazienti o quelli previsti dal suo ruolo, la segreteria può avere funzioni diverse, e il registro degli accessi tiene traccia di tutto.
Parliamo del tuo studio
30 minuti, gratuiti: valutiamo se e come l'AI può servire alla struttura.